文档介绍：第一章绪论
研究背景与意义 
中国股票市场自 1990 年、1991 年沪深两证交所成立至今,已走过近二十年
的历程。中国股票市场的规模逐渐扩大,股票市场逐渐成为融资的一个重要渠道。
在这二十年间,中国股市既经历过 1999 年、2005 年这样的大牛市,也经历过 2001
年的熊市。历数中国证券业发展的几十年,在看到其蓬勃发展的同时,我们也看
到了由于股票市场规范化措施的落后,股票市场出现的一系列问题,其中价格操
纵就是这些问题中一个重要的部分。
根据证监会网站信息公开栏目发布的数据,我国证监会自 2000 年至 2009
年底已经查处并公布结果的市场操纵案例共 24 起,涉及超过 80 只股票、基金和
权证。这些违反证券交易法的行为不仅严重干扰了证券市场的正常秩序,更使证
券市场的价格发现、资源配置等基本功能难以正常发挥,严重削弱了市场的有效
性。因此,各国政府一直致力于防范市场操纵行为。
随着证券市场的发展,各种影响股票市场价格的操纵手法也在不断地变化和
发展,而我国关于证券市场操纵行为方面的法律法规也在不断地完善和细化。
1993 年 9 月国务院颁布的《禁止证券欺诈行为暂行办法》,是中国对价格操纵行
为的第一次立法。该办法对市场操纵进行了初步的规定,并对市场操纵的六种行
为做了一一列举。1997 年 3 月修订后的《中华人民共和国刑法》将“操纵证券
市场价格罪”列为独立罪名之一,对犯该罪者处以五年有期徒刑及处罚金。1999
年 7 月 1 日起《中华人民共和国证券法》总结了以前的立法经验,在这部证券基
本法中对价格操纵行为做出了明确规定。2000 年上交所和深交所修订后的《股
票上市规则》又特别增加了禁止上市公司及其董事、监事、高级管理人员配合他
人操纵证券交易价格的规定。目前证监会主要的执法依据是《证券法》。这一系
列的立法对股票市场进行了规范,对操纵行为的规定也越来越细化,监控责任进
一步到位。[1]
然而除了法律法规方面的完善,我们更需要创新有效的监管工具,让监管部
门能够花费较少的时间和人力物力,更有效率地对市场进行监管,及时发现违法
9
违规行为,维护市场的有效性。证券交易市场每天都会产生大量的股价和交易量
数据,如何从这些实时更新的数据中找到有用的信息来帮助监管部门进行反操纵
监管是非常有意义的研究课题,也是数据挖掘应用研究领域一个具有现实意义的
课题。
人工神经网络又称神经网络,是数据挖掘领域应用比较广泛的一种挖掘模
型。它是受到生物神经网络的结构和功能启发而发展出来的一种数学或计算模
型。人工神经网络由一组互相连接的人工神经元组成,采用一种连接主义的计算
方式来处理信息。大多数情况下,人工神经网络是一种自适应系统,在学习过程
中能够基于通过网络的内部或外部信息调整网络结构和权重。现代神经网络是解
决非线性统计问题的有力工具,被广泛用于处理输入和输出之间的复杂关系或寻
找隐藏于庞杂数据中的模式,对于受多种复杂因素影响的证券市场,神经网络方
法是十分适用的。[2]
本论文在收集整理中国市场已经公开的股价操纵案例的基础上,借鉴国外相
关的股价操纵理论研究,对中国市场上被操纵股票的所属行业、股本规模和财务
特征做了系统地实证分析,回答了哪些股票容易成为被操纵对象这个问题,对监
管部门如何选择重点监控对象具有参考意义。此外,本文还利用人工神经网络建
立了一个能够利用相邻 6 天的股票交易信息作为输入数据的股价操纵判别模型,
对于减小监管工作量,筛选有操纵嫌疑的股票具有积极意义。最终,本文还对股
价操纵监管提出了实际的建议。

本文的创新点 
本文的创新点主要体现在以下方面:
收集整理了中国证监会网站发布的截止自 2009 年底的中国证券市场股票价
格操纵案例,并对其进行了实证研究和分类研究,发现了中国证券市场上的股票
价格操纵以基于交易的操纵为主,而中国市场上基于的交易的操纵又可细分为短
线操纵和长线操纵两类,这两类操纵在操纵主体结构、操纵持续时间和操纵中所
使用的资源等方面都有明显的差异。
本文还研究了被操纵股票的β系数在操纵前后的变化情况,发现在被操纵之
10
前,被操纵股票的价格变化与市场指数波动具有较强的正相关性;而在被操纵期
间,被操纵股票与市场指数的相关性减弱,正相关性变小或变为负相关。
本文针对中国证券市场上基于交易的操纵案例设计了一个能够利用某股票
相邻六个交易日的最新交易数据作为输入变量以检测该股票是否受到操纵的判
别模型。该模型比较了决策树、Logistic 回归和神经网络三种模型的误